4.2 Statistisk analys
4.2.1.4 Observationer som avviker mer än två standardavvikelser
I tabellen nedan visas de observationer vars standardavvikelse är större än 2. I undersökningen var det 10 av 207 observationer som avviker med mer än två standardavvikelser. Det betyder exempelvis att PEAB ”B” år 2005 skulle enligt regressionslinjen haft ett värde på framtida kassaflöde på 1 108 mkr men hade istället ett värde på 3 189 mkr.
Företag Standardavvikelse CFt+1 Predikterat värde PEAB ”B”, 2005 2,339 3189 1108 TELE2 ”B”, 2006 -2,597 4350 6662 SKANSKA ”B”, 2007 -4,704 747 4934 NCC ”B”, 2008 3,031 3319 621 SAS, 2008 -4,653 -3414 727 SKF ”B”, 2008 4,376 8001 4106 SCANIA ”B”, 2009 5,391 15301 10503 TELIASONERA, 2009 -2,293 27434 29474 KINNEVIK ”B”, 2010 2,380 5431 3312 SKANSKA ”B”, 2010 -5,315 265 4996
4.2.2 Försök 2: Kassaflöde t+2
4.2.2.1 Förklaringsgraden
I tabell 6 presenteras resultatet över hur nedskrivning av goodwill tillsammans med övriga oberoende variabler i Jarvas (2009) modell reflekteras i framtida kassaflöde två år efter nedskrivningen av goodwill. I tabellen presenteras förklaringsgraden (Adjusted R Square) samt standardavvikelsen. Regressionsanalysen visade att analysmodellen kan förklara 87,1 %
av variationen i det framtida kassaflödett+2 mellan åren 2005-2010. Standardavvikelsen kring
modellens regressionslinje visade ett resultat på 1 324 mkr.
Adjusted R Square Standardavvikelse
Modell 2 0,871 1324
Tabell 6 Sammanfattande tabell försök 2: Kassaflöde t+2
4.2.2.2 Regressionsanalys
I tabell 7 visas utfallet av regressionsanalysen. Riktningskoefficienterna för de respektive oberoende variablerna presenteras samt de oberoende variablernas standardavvikelse, signifikansnivå samt VIF-värde, vilken förklarar om det finns en risk att variabeln korrelerar med någon av de övriga oberoende variablerna. Tabellen visar att nedskrivning av goodwill har en riktningskoefficient på 0,453. Vilket innebär att när nedskrivning av goodwill ökar med en enhet ökar kassaflödet med 0,453. Tillsammans bildar de oberoende variablerna en linjär multipel regressionslinje;
𝐶𝐹!!!= 131951 + 0,719𝐶𝐹!+ 0,453𝑊𝑂!+ 2,072∆𝐴𝑅!+ −0,289 ∆𝐼𝑁𝑉!+ −3,780 ∆𝐴𝑃! + (−0,078)𝐷𝐸𝑃𝑅!+ 0,083𝑂𝑇𝐻𝐸𝑅!+ 15170𝑅!!!+ 𝛼!𝑌𝑒𝑎𝑟𝐶𝑜𝑛𝑡𝑟𝑜𝑙𝑠!+ 𝜀!!!
!
!!!
Modell 3: Försök 2: Parametrar för utfallet av regressionsanalysen
SPSS valde i andra undersökningen att sortera bort dummyvariabeln för år 2005. År 2005 bildar då referensåret som övriga variabler jämförs mot. Dummyvariablerna för resterande år visar avståndet till 2005 års konstant, vilken presenteras överst i tabell 7 nedan. Resultatet för
avstånden till 2005 års konstant är dummyvariablerna för övriga år. Kolumn 3 visar att
standardavvikelsen för respektive oberoende variabel. Nedskrivningar av goodwill hade en standardavvikelse på 0,210.
I andra undersökningen visade parametern nedskrivning av goodwill ett p-värde på 0,032.
Detta innebär att givet att H0 är sann kan det i 3,2 % av alla observationer falla ut samma eller
ett mer extremt resultat av slumpen. P-värdet för andra parametrar i modellen visade att de resultaten inte kan bero av slumpen då deras p-värden var nära noll. Dessa var exempelvis parametrarna för kassaflöde, förändring i kundfordringar, förändring i leverantörsskulder och andra nettoperiodiseringar.
Sista kolumnen visar variablernas VIF-värde. Inte heller i andra försöket uppvisade nedskrivning av goodwill något multikollineart samband med någon av de övriga oberoende variablerna. Även i försök 2 var det i kassaflöde, total värdeminskning och övriga nettoperiodiseringar som det förekommer multikollineara samband.
Variabel Koefficient Standardavvikelse P-värde VIF
Konstant 131951 tkr 430724 tkr 0,760 CF 0,719 0,086 0,000 12,414 WO 0,453 0,210 0,032 1,143 ∆𝐴𝑅 2,072 0,170 0,000 3,388 ∆𝐼𝑁𝑉 -0,289 0,161 0,075 1,724 ∆𝐴𝑃 -3,780 0,327 0,000 2,342 𝑅!!! ! !!! 15170 89371 0,865 1,088 DEPR -0,078 0,203 0,700 12,373 OTHER 0,083 0,021 0,000 5,914 Dum2006 -234170 316192 0,460 1,542 Dum2007 223999 361541 0,536 1,465 Dum2008 -20742 308513 0,946 1,614 Dum2009 8950 305845 0,977 1,721 Dum2010 -133911 312282 0,669 1,617
Tabell 7 Regressionsanalys försök 2: Kassaflöde t+2 4.2.2.3 Multikollinearitet
Korrelationsanalysen mellan de oberoende variablerna (se bilaga 2) visade att det finns flera signifikanta samband mellan flera av de oberoende variablerna. Dock uppvisade endast få variabler starka samband. Nedskrivning av goodwill hade få signifikanta samband med övriga oberoende variabler. I de fall det förekom signifikanta samband mellan nedskrivning av goodwill och övriga oberoende variabler var sambandet svagt. Nedskrivning av goodwill uppvisar därmed ingen multikollinearitet med övriga oberoende variabler. Kassaflöde och total värdeminskning (DEPR) är oberoende variabler som har ett signifikant positivt samband även i försök 2. Även kassaflödet, nettoperiodiseringar och framtida avkastning har ett starkt samband med en signifikansnivå på 1 %. Detta innebär att det kan vara svårt att avgöra effekterna av de oberoende variablerna.
4.2.2.4 Observationer som avviker mer än två standardavvikelser
I tabellen nedan visas de observationer vars standardavvikelse är större än 2. I försök 2 var det fler observationer som avvek med mer än två standardavvikelser än i försök 1. 15 av 207 observationer har mer än två standardavvikelser. I kolumn 3 och 4 presenteras värdena i mkr.
Företag Standardavvikelse Kassaflöde t+2 Predikterat värde
SKANSKA ”B”, 2005 3,082 9417 5336 SANDVIK, 2006 2,290 9671 6638 VOLVO ”B”, 2006 -6,037 769 8765 SECURITAS ”B”, 2007 -2,986 3069 7023 TELE2 ”B”, 2007 2,752 9118 5474 NCC ”B”, 2008 2,765 2423 -1238 SAAB ”B”, 2008 2,517 4487 1154 LUNDIN PETROLEUM, 2009 2,402 5768 2587 PEAB ”B”, 2009 -2,436 60 3286 SCANIA ”B”, 2009 5,021 11377 4727 SKANSKA ”B”, 2009 -3,503 265 4905 TELE2 ”B”, 2009 3,084 9623 5538 SKANSKA ”B”, 2010 -2,505 -91 3223 SKF ”B”, 2010 2,644 6203 2701 Tabell 8 Observationer som avviker mer än två standardavvikelser i försök 2: Kassaflöde t+2
4.2.3 Korrelationsanalys
Tabell 9 visar korrelationen mellan de respektive oberoende variablerna i undersökningen och
de beroende variablerna CFt+1 och CFt+2. I de gråa raderna presenteras korrelationen mellan
variablerna och de vita raderna visar till vilken signifikansnivå korrelationen är statistisk
säkerställd. Korrelationen mellan nedskrivning av goodwill och framtida kassaflöde CFt+1 är
0,164 och visar ett p-värde på 0,018 vilket innebär att korrelationen är statisk säkerställd till 5 % signifikansnivå. Korrelationen mellan nedskrivning av goodwill och framtida kassaflöde
CFt+2 kan inte säkerställas till en signifikansnivå på 5 % då p-värdet uppmätte 0,107. Tabellen
visar att det finns flera oberoende variabler som korrelerar och har ett signifikant samband på <0,1 %. 𝐶𝐹!!! 𝐶𝐹!!! 𝐶𝐹! Pearson Correlation 0,915** 0,851** Sig. (2-tailed) 0,000 0,000 𝑾𝑶𝒕 Pearson Correlation 0,164* 0,112 Sig. (2-tailed) 0,018 0,107 ∆𝐴𝑅! Pearson Correlation 0,117* 0,321** Sig. (2-tailed) 0,000 0,000 ∆𝐼𝑁𝑉! Pearson Correlation 0,056 0,252** Sig. (2-tailed) 0,064 0,000 ∆𝐴𝑃! Pearson Correlation 0,053 0,161** Sig. (2-tailed)s 0,081 0,000 𝐷𝐸𝑃𝑅! Pearson Correlation 0,909** 0,884** Sig. (2-tailed) 0,000 0,000 𝑂𝑇𝐻𝐸𝑅! Pearson Correlation 0,828** 0,790** Sig. (2-tailed) 0,000 0,000 𝑅!!! ! !!! Pearson Correlation 0,034 Sig. (2-tailed) 0,270 𝑅!!! ! !!! Pearson Correlation 0,081** Sig. (2-tailed) 0,008
*** signifikant till en 1 % nivå ** signifikant till en 5 % nivå * signifikant till en 10 % nivå
5 Analys
Studien visade att det endast skedde 207 nedskrivningar av goodwill i det totala urvalet på 1078 stycken under de observerade åren 2005-2010. Bland de 207 observerade nedskrivningarna av goodwill förekommer det nedskrivningar som gjorts av samma företag olika år. Detta visar på att det inte är vanligt att företagen kontinuerligt skriver ner goodwill. Ändringen i IAS 36 år 2005 gör att nedskrivningar av goodwill inte behöver göras kontinuerligt om det inte skett en värdeminskning i tillgången (IFRS-volymen, 2012). Då nedskrivningsprövningar görs med utgångspunkt i uppskattningar om framtida kassaflöden kan det även bero på att ledningen vill styra resultatet efter vilken situation företaget befinner sig i. Både agent-teorin och Big Bath är teorier som kan förklara ledningens handlande i sådana situationer. Vår studie visade att antalet observerade nedskrivningar av goodwill var få procentuellt mot det totala urvalet. Detta kan innebära att ledningarna i de företag som valt att inte skriva ner goodwill just vill justera resultatet och har då gjort ett strategiskt val för att möta principalernas förväntningar om att nå ett bättre resultat (Daily et al., 2003).
Som tabell 2 visade var det en stor spridning på storleken av nedskrivningarna av goodwill de observerade företagen emellan. Detta beror troligtvis framförallt på spridningen på storleken företagen emellan. Men kan även till viss del ha en förklaring i förändringen av IAS 36 där företag kan motivera till en stor nedskrivning av goodwill ett år och inte skriva ned goodwill alls kommande år. En annan förklaring till en stor nedskrivning är teorin om Big Bath där företagen vill ta stora kostnader ett år för att företaget förhoppningsvis nästkommande år visar på ett bättre resultat. (Jordan & Clark, 2004) Att avgöra om det beror på hur företagen väljer att tillämpa IAS 36 eller huruvida agent-teorin eller teorin om Big Bath kan förklara företagsledningars handlande kan vi inte dra några djupare slutsatser om. Detta eftersom denna studie inte gjort djupare undersökningar om de underliggande motiven till nedskrivningar av goodwill. Därför kan vi endast göra antaganden om detta.
Som nämndes ovan visar tabell 2 en stor spridning mellan nedskrivningarna av goodwill. Detta kan även bero på urvalets utseende. Tabell 1 visar att branschfördelningen i urvalet var oproportionerlig. Efter att urvalet gjorts visade även på en viss oproportionell fördelning efter antalet företag representerade på de respektive börslistorna Large-, Mid- och Small. De flesta företagen som ingick undersökningen finns representerade på Small Cap-listan. Detta leder till att den storleksmässiga variationen i nedskrivningen av goodwill, precis som tabell 2 visar, kan bli stor. Eftersom studien inte går närmre in på goodwills förhållande till eget kapital kan en slutsats om storleken på nedskrivningarna är stora eller små i förhållande till de observerade företagens storlek vara svåra att avgöra. På grund av hur urvalet ser ut där branscher och storlekar på företag är överrepresenterade gör att företagen inte är proportionellt fördelade i undersökningen och därmed blir urvalet inte representativt för Stockholmsbörsen. Därför kan det vara svårt att dra generella slutsatser om hur nedskrivningar av goodwill reflekteras i det framtida kassaflödet i företag noterade på Stockholmsbörsen.
5.1 Modellanalys
Dock visade förklaringsgraden i vårt resultat att Jarvas (2009) modell kan förklara 93,8% av
variationen i det framtida kassaflödett+1 och 87,1% av variationen i framtida kassaflödett+2.
Båda förklaringsgraderna visar på höga värden då 100 % innebär att vi kan förklara variationen i modellen till fullo. Detta trots att värdet på nedskrivningarna av goodwill varierar mycket kan modellen ändå förklara stora delar av variationen av nedskrivningar av goodwill tillsammans med de övriga oberoende variablerna i modellen. Dock kan vi inte visa på vilka eller om det finns någon eller några oberoende variabler som kanske har en variation som inte kan förklaras av modellen. Med detta vill säga att nedskrivning av goodwill skulle kunna vara en variabel där variationen är svår att förklara. Förklaringsgraden är ett sätt att ta reda på om modellen kan beskriva data i urvalet. För att avgöra hur väl modellen passar datan bör därför de predikterade värdena för framtida kassaflöde även studeras.
Det finns observationer i urvalet som modellen har svårare att förklara variationen för. Värdet av deras framtida kassaflöde avviker mer än övriga vilket gör att variationen i dessa har modellen svårare att förklara. Eftersom studien omfattar företag noterade på Large-, Mid- och Small Cap-listorna varierar storleken på företag stort. I tabell 3 och 6 presenteras förutom förklaringsgraden de respektive regressionsanalysernas standardavvikelse. Att dessa antog höga värden kan bero just på att variationen mellan storleken på företagen i studien är stor. De företag som presenteras i tabell 5 och 8 är de företag vars faktiska värde avviker med mer än två standardavvikelser från det värde som fås genom modellen. Dessa företag är de företag vars värde på framtida kassaflöde modellen har svårt att fånga upp och förklara variationen för. Det var ungefär lika många observationer som hade ett utfall som visade ett mindre framtida kassaflöde än vad det predikterade värdet uppvisade som visade ett högre faktiskt värde än det predikterade värdet. Om det är nedskrivningar av goodwill som har inverkan på varför utfallet av framtida kassaflödet visade som det gjorde kan vi ej dra några direkta slutsatser om. Men i förutsättning att nedskrivningar av goodwill har en inverkan på resultatet som visas i tabell 5 och 8 kan agent-teorin och teorin om Big Bath där företag väljer att inte skriva ned goodwill till den nivå som företaget borde enligt IAS 36 vara teorier som förklarar detta. Varför de observerade fall där det predikterade värdet för framtida kassaflöde visade ett lägre värde än vad det verkliga utfallet var kan ha påverkats av att IAS 36 och IFRS 3 fördes i bruk 2005. Sedan dess är inte nedskrivning av goodwill längre ett krav vilket kan vara en förklarande faktor till varför företagen med ett högre faktiskt värde på nedskrivning av goodwill visade detta resultat. Problem kan uppstå om vissa observationer antar stora värden för framtida kassaflöde. Dessa bidrar till en högre standardavvikelse vilket gör att avvikelserna på framtida kassaflöde hos de mindre företagen inte blir synliga, även om felen är stora i jämförelse med deras storlek. För att modellen skall kunna beskriva data borde standardavvikelsen vara normalfördelade så att företag oavsett storlek inte missas på grund av en hög standardavvikelse. Tabell 5 visar att det är de större företagen som har en standardavvikelse över två, vilket beror just på att deras kassaflöde är så pass stort att de kan avvika med så mycket som två gånger 890 mkr. För att lösa problemet där analysen riskerar att missa de mindre företagen skulle en uppdelning mellan stora, mellan och små företag kunna göras. En separat regressionsanalys kan då genomföras för de respektive företagsgrupperna.
5.2 Regressionsanalys
*** signifikant till en 1 % nivå ** signifikant till en 5 % nivå * signifikant till en 10 % nivå
Tabell 10 Resultatet för parametern nedskrivning av goodwill i vår undersökning och i Jarvas undersökning
Nedskrivning av goodwill visade en parameter på 0,221 i vårt första försök, vilket innebär att framtida kassaflöde ökar tillsammans med nedskrivningarna av goodwill då dessa är positivt
skattade. Parameterns p-värde visade 0,118 (som visas i tabell 4) vilket innebär att givet att H0
är sann kan ett likadant eller mer extremt resultat falla ut av slumpen i 11,8% fallen. Vid varken en signifikansnivå på 5 % eller 10 % kan nollhypotesen förkastas vilket betyder att det inte kan uteslutas att parametern kan anta värdet 0. Om parametern skulle anta värdet 0 innebär det inte finns någon relation mellan nedskrivning av goodwill och framtida kassaflöde. Utfallet av regressionsanalysen visade att nedskrivning av goodwill inte hade ett VIF-värde över 5 vilket skulle innebära att det fanns en korrelation med någon av de andra variablerna som skulle göra det svårare att analysera effekterna av nedskrivning av goodwill på framtida kassaflöde. Dock fanns det andra oberoende variabler i modellen som uppvisade multikollinearitet vilka kan avgöra deras effekter på framtida kassaflöde. Jarvas (2009) studie resulterade i en parameter för nedskrivning av goodwill på 0,206. Vårt resultat avvek endast med 0,015 från Jarvas (2009) resultat. Han hade dock ett lägre p-värde som uppfyllde en signifikansnivå på 1 %. Att vårt resultat uppvisade ett högre p-värde kan bero på att hans urval bland annat bestod av fler observationer. Resultatet av undersökningen tyder dock på att nedskrivning av goodwill reflekteras i framtida kassaflöde ett år fram.
I försök 2 visade nedskrivning av goodwill en parameter på 0,453, vilket innebär att framtida kassaflöde ökar tillsammans med nedskrivningarna av goodwill då både parametern för nedskrivning av goodwill och framtida kassaflöde är positivt skattade. Parametern för nedskrivning av goodwill är signifikant vid en 5 % nivå, vilket innebär att nollhypotesen kan förkastas. Vi kan därmed utesluta att på en signifikansnivå på 5 % kan parametern anta värdet 0. Om parametern skulle anta värdet 0 innebär det att det inte nedskrivning av goodwill reflekteras i framtida kassaflöde. Jarvas (2009) studie resulterade i en parameter för nedskrivning av goodwill på 0,188. I försök 2 avvek vår parameter för nedskrivning av goodwill markant från Jarvas resultat.
Variabel Koefficienter CF t+1 CFt+2 Vårt resultat Jarvas resultat Vårt resultat Jarvas resultat WO 0,221 0,206*** 0,453** 0,188**
Han uppfyllde också en signifikansnivå på 5 % vilket betyder att han kunde förkasta nollhypotesen. Till skillnad från Jarvas studie visade vår parameter för nedskrivning av goodwill i försök 2 ett högre värde än i försök 1. Jarvas resultat visade att parametrarna för nedskrivning av goodwill nästan var konstanta då de inte skiljde sig markant från varandra.
Jarvas parameter för nedskrivning av goodwill för framtida kassaflödet+1 visade ett något
högre värde än för kassaflödet två år fram.
Vilket nämndes ovan kan vi i det andra försöket förkasta nollhypotesen vilket tyder på att vår undersökning visar på att precis som tidigare forskning, att det finns ett samband mellan nedskrivningar av goodwill och framtida kassaflöde. Li och Sloan (2010) och Hayn och Hughes (2006) menar att sambandet mellan nedskrivning av goodwill och framtida kassaflöde kan ha en släpande effekt på kassaflödet på upp till tio år. Jarva visar att nedskrivning av goodwill reflekteras i framtida kassaflöde redan efter ett eller två år. Vår undersökning visade
ett tydligare samband med framtida kassaflödet+2 än med framtida kassaflödet+1. Eftersom
denna studie inte sträcker sig längre än att studera framtida kassaflöde i tidsperioden t+2 kan vi
därför inte avgöra om som Li och Sloans (2010) studie som visade att nedskrivning av goodwill kan ha en släpande effekt på upp till tio år stämmer överens med vår undersökning. Dock tyder vår undersökning på ett starkare samband mellan nedskrivning av goodwill och framtida kassaflöde för två år fram vilket är motsatsen till Jarva. Utifrån mönstret i vårt resultat skulle det finnas ett ökande samband mellan nedskrivning av goodwill och framtida kassaflöde. Dock är det svårt att dra dessa slutsatser och analysera detta närmre då vår undersökning endast omfattar om nedskrivningar av goodwill reflekteras i framtida kassaflöde för ett och två år fram.
Försiktigt menar Jarva att 40 % av nedskrivning av goodwill reflekteras i framtida kassaflöde vilket hans studie visar på. Siffran baserar han på det sammanlagda värdet av parametrarna för nedskrivning av goodwill för vad vi kallar de två försöken. Resterande del kan relateras till ekonomiska förlusten för innevarande period. Vår undersökning visade att nedskrivning av
goodwill kan reflekteras i framtida kassaflödet+1 med 22,1% och 45,3% i framtida
kassaflödet+2 vilket kan ses i tabell 10 samt i tabellerna över de båda försökens respektive
koefficienter. Detta överensstämmer med Jarvas slutsats där han menar att de variabler som grundas på ekonomiska faktorer är de som har störst samband med framtida kassaflöde. Nedskrivningar av goodwill som baseras på uppskattningar om framtida värden och vilket kan påverkas av opportunistiskt beteende visar på ett mindre samband.
Även om parametern för nedskrivning av goodwill i försök 1 inte statistiskt kan säkerställas visar en korrelationsanalys, att det finns någon form av samband mellan nedskrivning av
goodwill och framtida kassaflödet+1. Jarva (2009) visade en osignifikant korrelation mellan
framtida kassaflöde och nedskrivning av goodwill på 0,164. I vår studie visade en positiv korrelation på 0,167 med ett p-värde på 0,018 vilket är statistiskt säkerställt till 5 % signifikansnivå. En positiv korrelation innebär att när den ena variabeln ökar så ökar även den andra. Varför korrelationen antar ett positivt värde beror på att vi precis som Jarva (2009) har modellerat nedskrivning av goodwill med negativa värden.
6 Egna reflektioner
Något som kan ha haft stor inverkan på vår undersökning är den då rådande finanskrisen. Finanskrisen bröt ut någon gång under 2008 och påverkar fortfarande många företags ekonomi. I vår undersökning skrev de undersökta företagen ner goodwill i lägre utsträckning 2008 än vad de egentligen kanske skulle gjort då marknaden och företagen påverkades mycket av lågkonjunkturen. Varför resultatet såg ut som det gjorde kan bero på att företagen försökte att behålla positiva resultat 2008 trots en sviktande marknad. Finanskrisen började troligen göra avtryck i företagens ekonomi redan 2008 men att företagen först 2009 tvingades att skriva ned goodwill och acceptera ett sämre resultat. En anledning till den kraftiga ökningen av nedskrivningar av goodwill 2009 från föregående år kan också förklaras av teorin om Big Bath. Företagen inser att de inte kan uppvisa ett positivt eller mindre negativt resultat och väljer då att ta fler kostnader under ett år. Effekterna av detta kan ha bidragit till att företagen skrev ner ungefär lika mycket 2010 som föregående år. Detta kan ses i diagram 1 i avsnittet resultat.
Vårt urval föll ut oproportionerligt vilket kan ha påverkat resultatet. Både storleksmässigt och branschmässigt varierade urvalet mycket. Både bransch och storlek är något som avgör hur stora goodwillposterna i företaget är och hur stora goodwillnedskrivningarna därmed blir. Detta är något som påverkat resultatet och säkerligen också varit en bidragande faktor till att vårt resultat skiljer sig från Jarvas. Samtidigt är finanskrisen en bidragande faktor till att vårt resultat skiljer sig från Jarvas. Under den tidsperiod som Jarva studerade (2002-2006) hade inte tvåtusentalets finanskris inte brutit ut. Medan i vår studie behövde vi ta hänsyn till en lågkonjunktur vilken har kommit att påverka företagens ekonomi mycket och bidragit till att företagen både skrivit ner goodwill i högre och lägre utsträckning än vad som annars kanske gjorts.
Modellens förklaringsgrad i vår studie visade ett högt värde i både försök 1 och 2 detta bidrog till att en djupare modellanalys inte gjordes. Då förklaringsgraden är endast ett sätt för att ta reda på om modellen kan beskriva vår data kan det vara bra att göra ytterligare analyser. För att avgöra hur väl modellen passar datan kan därför de predikterade värdena för framtida kassaflöde studeras genom exempelvis i ett punktdiagram där alla observationer finns plottade. På grund av den begränsade tidsramen gjordes ingen djupare analys av de plottade värdena. Hade förklaringsgraden visat ett betydligt lägre värde då vi hade vi kanske valt att närmre studera varför förklaringsgraden visade detta låga värde. Vi fann det mer intressant att djupare studera utfallet av regressionsanalysen. Varför detta skulle kunna vara intressant att studera beror på att vissa företags standardavvikelser antog höga värden vilket kan ses i tabell 5 och 8.